参与刘晓坤 李泽南

TensorFlow 2.0「开发者预览版」上线,内容每日更新

TensorFlow 2.0 预览版上线了!近日,谷歌 AI 团队成员 Martin Wicke 在社交网络上向大家发布了这一最流行深度学习框架的「开发者预览版」,该版本又被称为「Nightly 版」——因为框架会每晚更新。这不是一个稳定的版本,但开发者们可以尝试使用,熟悉新版本的特性。

不过,即使是在 TensorFlow 2.0 中,目前也没有对于 Python 3.7 的支持。

还有网友表示:

Nightly 版更接近于 beta 版本,为用户提供即将发布的内容的预览,以及有机会使用/贡献新功能。Nightly 版绝不是一个专为产品而设计的稳定版本,它旨在测试开发人员正在使用的最新功能,不会自动提供文档,可以找到 bug,无法保证功能的可用性。

预览版官方页面:https://www.tensorflow.org/versions/r2.0/api_docs/python/tf

开发者们可以输入如下代码安装预览版:

pip install tf-nightly-2.0-preview

安装 GPU 版的方法是:

pip install tf-nightly-gpu-2.0-preview

目前的版本号是:tf-nightly-2.0-preview-1.13.0.dev20181214

TensorFlow 2.0 如今在 pypi 上提供 tf-nightly-2.0-preview 和 tf-nightly-gpu-2.0-preview 版本。你还可以通过传递—config=v2 到 bazel 命令来从源代码构建版本(在运行 configure 之后)。TensorFlow 2.0 是从同一个源码树构建的,因此如果你是从源代码构建,只需要从主服务器生成。

可从预览版官方页面获取 Nightly 版生成的文档。因为 Nightly 版还在开发中,文档可能随时变得不再有用或不完整。

TensorFlow 2.0 的开发中,谷歌专注于可用性,并对指定(specify)和运行计算的方式进行了重大更改。2018 年秋季发布的 RFC(https://github.com/tensorflow/community/tree/master/rfcs)实现了这样的重大变化。

pip 软件包附带一个转换器工具,可以升级(大多数)1.x TensorFlow 代码,因此它可以在 Nightly 版安装的 2.0 的情况下运行。tf_upgrade_v2 工具大量使用兼容性模块:tf.compat.v1。此模块包含 TensorFlow 1.x 中存在的所有符号及其原始功能。此外,升级工具也处于开发阶段,它可能无法在复杂项目上运行。

这个 Nightly 版的 2.0 仍然不完整。因此,谷歌表示不保证稳定性,还存在未解决的性能问题,并且缺少某些功能(例如,仅支持某些分布式机制,特别是 TPU 的支持仍然不完整),并且 TensorFlow 生态系统尚未和 2.0 同步更新(例如,TFHub)。谷歌表示会在创建 2.0-alpha 之前解决这些问题。

如果有兴趣尝试 Nightly 版,谷歌表示很欢迎报告使用中发现的问题。

在这里查看提交错误报告的方法:https://github.com/tensorflow/community/blob/master/governance/tensorflow-testing.md

对于最流行的机器学习框架来说,TensorFlow 2.0 将是一个重要的里程碑:新版本意味着大量的内容梗概,所有一切都以人人可以使用机器学习为目标。但是,这些更改可能会要求老用户重新学习如何使用框架。

去年 9 月,谷歌在开发者大会上就曾表示,在 TensorFlow 2.0 版本中,Eager 模式会成为默认执行模式,让开发者更简洁高效地搭建原型。

冯亦菲则在开发者大会上表示,TensorFlow 2.0 beta 版将会在 2018 年底公开(看来有点延迟了),而正式版预计于 2019 年的第一个季度(最迟第二季度)问世。Eager 模式变为默认设置之后,开发者可以在原型搭建完成后,利用 AutoGraph 把在 Eager 模式下搭建的模型自动变成计算图。开发者也可以进一步对 AutoGraph 生成的计算图进行优化,或者关掉 Eager 模式自己构建计算图。 

参考内容:

https://www.reddit.com/r/MachineLearning/comments/aem203/d_tensorflow_20_nightly_build_is_up/

https://groups.google.com/a/tensorflow.org/forum/#!topic/developers/aKdmUOiyzGM

工程TensorFlow
1
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

TensorFlow技术

TensorFlow是一个开源软件库,用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索,其中许多产品曾使用过其前任软件DistBelief。

推荐文章
暂无评论
暂无评论~